Early Diagnosis of Autism Disease by Multi-channel CNNs.
Early Diagnosis of Autism Disease by Multi-channel CNNs.
复制标题
DOI：
10.1007/978-3-030-00919-9_35
复制
发表时间：
2018-09
期刊：
影响因子：
--
通讯作者：
Wang L
中科院分区：
文献类型：
--
作者：
Li G;Liu M;Sun Q;Shen D;Wang L
目前，仍然没有早期生物标志物来检测患有自闭症谱系障碍（ASD）的婴儿，这主要是基于三岁或四岁时的行为观察来诊断的。由于干预措施可能会错过2岁后的关键发育窗口，因此识别基于成像的生物标志物对ASD的早期诊断具有重要意义。虽然在过去的十年中已经提出了一些使用磁共振成像（MRI）预测脑部疾病的方法，但很少有人开发用于预测早期ASD。受深度多实例学习的启发，在本文中，我们提出了一种用于多通道卷积神经网络的补丁级数据扩展策略，以自动识别早期有ASD风险的婴儿。在国家自闭症研究数据库（NDAR）上进行了实验，结果表明，我们提出的方法可以显着提高ASD早期诊断的性能。
Currently there are still no early biomarkers to detect infants with risk of autism spectrum disorder (ASD), which is mainly diagnosed based on behavior observations at three or four years old. Since intervention efforts may miss a critical developmental window after 2 years old, it is significant to identify imaging-based biomarkers for early diagnosis of ASD. Although some methods using magnetic resonance imaging (MRI) for brain disease prediction have been proposed in the last decade, few of them were developed for predicting ASD in early age. Inspired by deep multi-instance learning, in this paper, we propose a patch-level data-expanding strategy for multi-channel convolutional neural networks to automatically identify infants with risk of ASD in early age. Experiments were conducted on the National Database for Autism Research (NDAR), with results showing that our proposed method can significantly improve the performance of early diagnosis of ASD.
登录
查看更多内容
影响因子：
4.4
作者：
Payakachat, Nalin;Tilford, J. Mick;Ungar, Wendy J.
通讯作者：
Ungar, Wendy J.
影响因子：
3.6
作者：
Chen R;Jiao Y;Herskovits EH
通讯作者：
Herskovits EH
影响因子：
10.6
作者：
Zhang J;Gao Y;Gao Y;Munsell BC;Shen D
通讯作者：
Shen D
影响因子：
5.3
作者：
Schumann, CM;Hamstra, J;Amaral, DG
通讯作者：
Amaral, DG
DOI：
10.1093/brain/awn099
发表时间：
2008-09
期刊：
Brain : a journal of neurology
影响因子：
--
作者：
Thakkar KN;Polli FE;Joseph RM;Tuch DS;Hadjikhani N;Barton JJ;Manoach DS
通讯作者：
Manoach DS